{"id":57565,"date":"2026-07-29T21:50:50","date_gmt":"2026-07-29T19:50:50","guid":{"rendered":"https:\/\/www.zum.de\/portal\/?p=57565"},"modified":"2026-08-08T16:05:31","modified_gmt":"2026-08-08T14:05:31","slug":"wer-deutet-hier-ki-bias-und-die-landeskunde","status":"publish","type":"post","link":"https:\/\/www.zum.de\/portal\/wer-deutet-hier-ki-bias-und-die-landeskunde\/","title":{"rendered":"Wer deutet hier? KI, Bias und die Landeskunde"},"content":{"rendered":"<p>\u201eBeschreibe eine deutsche Familie\u201c&nbsp;<a href=\"#sprungmarke\"><img decoding=\"async\" width=\"48px\" src=\"https:\/\/www.zum.de\/portal\/wp-content\/uploads\/AI-LABELS_3x2_1_black.png\" alt=\"Von k\u00fcnstlicher Intelligenz generiert\" \/><\/a><b>Bildgeneratoren<\/b> liefern darauf meist dasselbe: zwei Eltern, zwei Kinder, wei\u00df, jung, ein Reihenhaus im Hintergrund. <b>Textmodelle<\/b> antworten inzwischen anders, aber nicht unbedingt besser. Sie stellen einen Vielfaltshinweis voran, es gebe nicht \u201edie eine\u201c deutsche Familie, und nennen anschlie\u00dfend doch die Kleinfamilie mit Reihenhaus, Verein und Abendbrot. Die Vielfalt steht im Vorspann, die Norm im Detail (eigene Erprobung mit ChatGPT, Gemini und AIS.chat).<br \/>\nEin Blick auf die amtlichen Zahlen zeigt jedoch: Rund 30 Prozent der Menschen in Deutschland haben einen Migrationshintergrund (Statistisches Bundesamt 2024), Alleinerziehende, Patchwork- und Mehrgenerationenhaushalte pr\u00e4gen den Alltag ebenso wie die Kleinfamilie. Wir lernen daraus: Die KI zeigt hier nicht Deutschland. Sie zeigt, was in ihren Trainingsdaten am h\u00e4ufigsten vorkommt.<\/p>\n<h4> Was Bias ist, und warum er bleibt<\/h4>\n<p>Der Begriff Bias bezeichnet keine zuf\u00e4lligen Fehler, sondern systematische Verzerrungen in den Ausgaben einer KI. Er ist eine strukturelle Eigenschaft der Art, wie generative Modelle lernen, kein Defekt und keine Absicht. Vier Punkte erkl\u00e4ren seine Entstehung.<\/p>\n<ul>\n<li>Erstens die Datengrundlage. Gro\u00dfe Sprachmodelle lernen aus riesigen, kaum gefilterten Textmengen des Internets. Dieses Netz spiegelt die Welt nicht neutral: Englischsprachige, westliche und mehrheitsgesellschaftliche Perspektiven sind \u00fcberrepr\u00e4sentiert. Wer aus einem verzerrten Abbild lernt, lernt die Verzerrung mit.<\/li>\n<li>Zweitens die Speicherung von Bedeutung. Schon einfache Wortvektoren \u00fcbernehmen messbar menschliche Stereotype z.B. die Kopplung bestimmter Berufe an ein Geschlecht. Der Bias sitzt also in der Struktur der gelernten Bedeutung selbst. Er l\u00e4sst sich nicht als fehlerhafte Zusatzfunktion abschalten.<\/li>\n<li>Drittens die Vorhersagelogik. Ein generatives Modell erzeugt jeweils die statistisch wahrscheinlichste Fortsetzung, das n\u00e4chste Wort oder das plausibelste Pixel. Der Mechanismus selbst bevorzugt damit das H\u00e4ufige und macht das Seltene unsichtbar.<\/li>\n<li>Viertens die Verst\u00e4rkung. Modelle geben Verzerrungen nicht nur wieder, sie k\u00f6nnen sie vielmehr verst\u00e4rken. Hinzu kommt eine R\u00fcckkopplung: KI-generierte Inhalte flie\u00dfen ins Netz zur\u00fcck und werden zum Trainingsmaterial der n\u00e4chsten Modellgeneration. Das Problem korrigiert sich also nicht von allein, es kann sich verfestigen.<\/li>\n<\/ul>\n<p><img decoding=\"async\" src=\"https:\/\/www.zum.de\/portal\/wp-content\/uploads\/Gemini_Generated_Image_6_bias.jpg\"><\/p>\n<p>Vollst\u00e4ndig beheben l\u00e4sst sich Bias nicht. Die Daten spiegeln eine ungleiche Welt, ein <b>neutraler Korpus<\/b> existiert nicht. Was in einem Land als selbstverst\u00e4ndlich gilt, ist im n\u00e4chsten bereits eine Position. International unterrichtende Lehrkr\u00e4fte erfahren dies immer wieder. Die KI-Anbieter begegnen dem Problem mit unterschiedlichen Strategien, weshalb derselbe Prompt je nach Modell ein anderes Kulturbild liefert. Dies macht schon die Wahl des Werkzeugs zu einer inhaltlichen Entscheidung.<\/p>\n<h4> Vom Risiko zum Lernanlass<\/h4>\n<p>Didaktisch l\u00e4sst sich Bias nutzen. Das Modell des diskursiven Verstehens, das Uwe Koreik f\u00fcr die Landeskunde ausgearbeitet hat, setzt kulturelles Lernen nicht bei einer Information an, sondern bei einer Irritation: Eine Szene l\u00f6st Widerspruch aus, die ersten Deutungen werden gesammelt, reflektiert, neu bewertet und schlie\u00dflich auf die eigene Situation \u00fcbertragen. Ein sichtbar gewordenes Klischee ist ein solcher Irritationsimpuls. Wo fr\u00fcher aufwendig Gegenbeispiele gesucht werden mussten, erzeugt die KI das Stereotyp auf Knopfdruck und macht es besprechbar. Das Bild der wei\u00dfen Kleinfamilie wird so vom \u00c4rgernis zum Einstieg in die Frage, wer im Bild einer \u201edeutschen Familie\u201c vorkommt und wer nicht.<\/p>\n<p>Zu beachten ist: Ohne Reflexionsphase kann sich die blo\u00dfe Wiederholung das Klischee eher verfestigen, gerade bei j\u00fcngeren Lernenden. Die Aufl\u00f6sung muss deshalb fest eingeplant werden, ebenso braucht es ein passendes Sprachniveau (eher ab B1) und Fingerspitzengef\u00fchl, wenn Lernende von einem Stereotyp selbst betroffen sind.<\/p>\n<h4> Unterrichtsbeispiel: Perspektiven vergleichen (B1\/B2)<\/h4>\n<p>Die folgende Sequenz macht mit einem einzigen Prompt sichtbar, dass \u201eKultur\u201c eine Frage der Perspektive ist. Ich habe sie mit Lehrkr\u00e4ften in einer multikulturell zusammengesetzten Fortbildung des Goethe-Instituts erprobt, und gerade die unterschiedlichen Herk\u00fcnfte der Teilnehmenden haben die Perspektivunterschiede deutlich hervortreten lassen. N\u00f6tig sind ein datenschutzkonformes KI-Werkzeug und rund 45 bis 60 Minuten.<\/p>\n<p>Variiert wird dabei nicht die Sprache, sondern die Perspektive. Die Lernenden geben denselben deutschen Prompt ein, jeweils aus einer anderen Rolle heraus.<\/p>\n<p>Ausgangsprompt:<\/p>\n<ul>\n<li>\u201eBeschreibe eine deutsche Familie.\u201c<\/li>\n<\/ul>\n<p>Variation der Perspektive:<\/p>\n<ul>\n<li>\u201eBeschreibe eine deutsche Familie aus Sicht eines amerikanischen Reisef\u00fchrers.\u201c<\/li>\n<li>\u201e&#8230; aus Sicht einer t\u00fcrkischen Austauschstudentin.\u201c<\/li>\n<li>\u201e&#8230; aus Sicht einer chinesischen Wirtschaftszeitung.\u201c<\/li>\n<li>\u201e&#8230; aus Sicht eines deutschen Soziologen.\u201c<\/li>\n<\/ul>\n<p>Variation der Haltung:<\/p>\n<ul>\n<li> \u201e&#8230; m\u00f6glichst stereotyp.\u201c<\/li<\n\n\n<li> \u201e&#8230; m\u00f6glichst differenziert.\u201c<\/li>\n<li> \u201e&#8230; und vermeide dabei ausdr\u00fccklich Stereotype.\u201c<\/li>\n<\/ul>\n<p><strong>Ablauf:<\/strong> Jede Gruppe bearbeitet eine Perspektive, formuliert den Prompt aus, dokumentiert das Ergebnis und stellt es im Plenum vor. Anschlie\u00dfend wird verglichen, was sich mit der Perspektive verschiebt und welche Klischees \u00fcber alle Versionen hinweg stabil bleiben.<\/p>\n<p>Zu erwarten ist, dass die Unterschiede zwischen den Perspektiven deutlich gr\u00f6\u00dfer ausfallen als bei einem blo\u00dfen Sprachwechsel, w\u00e4hrend einzelne Stereotype in jeder Rolle wiederkehren. Genau diese Beobachtung ist das Lernziel: Der Prompt steuert das Ergebnis mit, die Verantwortung liegt also nicht allein beim Modell.<\/p>\n<p><strong>Die drei Lernziele im \u00dcberblick: <\/strong><\/p>\n<ol>\n<li> Landeskundlich erkennen die Lernenden, dass jede Perspektive andere Deutungsmuster aktiviert. <\/li>\n<li> Medienkritisch verstehen sie, dass sie den Bias \u00fcber die Formulierung mitbeeinflussen. <\/li>\n<li> Sprachlich formulieren und vergleichen sie perspektivgebundene Prompts auf B1\/B2-Niveau.<\/li>\n<\/ol>\n<p>Bei einem Bildwerkzeug lohnt sich zus\u00e4tzlich der Sprachvergleich: \u201eeine deutsche Familie\u201c und \u201ea German family\u201c erzeugen bei manchen Modellen sichtbar unterschiedliche Kleidung, Altersstrukturen oder Architektur. Bei Bildern wirkt die Sprache oft st\u00e4rker als beim Text.<\/p>\n<p>Zur Vorbereitung empfiehlt es sich f\u00fcr die Lehrkraft, die Prompts vorab auf dem im Kurs genutzten Werkzeug zu erproben. Die konkrete Ausgabe ist nicht reproduzierbar, und Modell-Updates ver\u00e4ndern die Ergebnisse.<\/p>\n<h4> Was das f\u00fcr die Rolle der Lehrenden bedeutet<\/h4>\n<p>Wenn KI Kultur deutet, verschiebt sich die Aufgabe der Lehrkraft von der Wissensvermittlung zum Kuratieren. Die Lehrkraft sichtet KI-Material, pr\u00fcft es, w\u00e4hlt aus, erg\u00e4nzt und begr\u00fcndet die Auswahl, statt es unver\u00e4ndert zu \u00fcbernehmen. <\/p>\n<p>Ein Beispiel: Man l\u00e4sst sich \u201ezehn Alltagssituationen&#8220; zu Deutschland erzeugen, streicht die stereotypen (Oktoberfest, P\u00fcnktlichkeit), erg\u00e4nzt regionale und migrantische Perspektiven, pr\u00fcft die Sprache auf das Zielniveau und h\u00e4lt fest, welche Beispiele bleiben und warum. Am Ende steht eine verantwortete Auswahl, f\u00fcr die die Lehrkraft einsteht.<\/p>\n<p>Hinzu kommt eine Fertigkeit, die vorher so nicht n\u00f6tig war: das <strong>Formulieren von Prompts<\/strong>. Es lohnt sich, den Prompt als eigene Textsorte zu behandeln, mit klarer Rolle, ausreichendem Kontext und mehreren \u00dcberarbeitungsrunden. Gibt man der KI wenig \u00fcber Lerngruppe, Niveau und Ziel mit, erh\u00e4lt man den statistischen Durchschnitt zur\u00fcck, also das Standardklischee.<\/p>\n<p>Die zentrale Frage im Umgang mit KI in der Landeskunde lautet nicht, <b>wie<\/b> sich ein Werkzeug bedienen l\u00e4sst, sondern <b>wer<\/b> hier deutet. Sobald Lernende diese Frage stellen, arbeiten sie an dem, worum es in der <b>Landeskunde<\/b> geht.<\/p>\n<h5><a name=\"sprungmarke\">KI-Bilder<\/a><\/h5>\n<ul>\n<li> \u201eDeutsche Familie\u201d <img decoding=\"async\" width=\"42px\" src=\"https:\/\/www.zum.de\/portal\/wp-content\/uploads\/AI-LABELS_3x2_1_black.png\" alt=\"Von k\u00fcnstlicher Intelligenz generiert\" \/> Von k\u00fcnstlicher Intelligenz generiert  mit ChatGPT Image am 29. Juli 2026<\/li>\n<li>Die Sechs Bias-Typen &#8211; Gemini_Generated_Image_s5lcwns5lcwns5lc.png<\/li>\n<\/ul>\n<h5> Quellen (Auswahl)<\/h5>\n<ul>\n<li>Altmayer, C. (2004): Kultur als Hypertext. Zu Theorie und Praxis der Kulturwissenschaft im Fach Deutsch als Fremdsprache. iudicium.<\/li>\n<li> Bender, E. M., Gebru, T. u. a. (2021): On the Dangers of Stochastic Parrots. FAccT.<\/li>\n<li> Bianchi, F. u. a. (2023): Easily accessible text-to-image generation amplifies demographic stereotypes at large scale. FAccT.<\/li>\n<li> Caliskan, A., Bryson, J. J., Narayanan, A. (2017): Semantics derived automatically from language corpora contain human-like biases. Science 356.<\/li>\n<li> Fornoff, R., Koreik, U. (2020): Landeskunde\/Kulturstudien und kulturelles Lernen im Fach DaF\/DaZ. Eine Bestandsaufnahme und kritische Positionierung. ZIF 25(1).<\/li>\n<li> Stanford HAI (2023): Demographic Stereotypes in Text-to-Image Generation.<\/li>\n<li> Statistisches Bundesamt (2024): Bev\u00f6lkerung nach Migrationshintergrund. Mikrozensus 2024.<\/li>\n<\/ul>\n<p><i>Von Ralf Kl\u00f6tzke, CC BY-SA 4.0<\/i><\/p>\n<p>Ver\u00f6ffentlichung des vollst\u00e4ndigen Artikels hier:<br \/>\n<a href=\"https:\/\/landeskunde.wordpress.com\/2026\/07\/28\/kultur-wird-gedeutet-nicht-abgebildet\/\">Kultur wird gedeutet nicht abgebildet<\/a>,<br \/>\n<a href=\"https:\/\/landeskunde.wordpress.com\/2026\/07\/28\/kultur-wird-gedeutet-nicht-abgebildet\/\">landeskunde.wordpress.com<\/a><br \/>\nund <a href=\"https:\/\/doi.org\/10.5281\/zenodo.21641739\">doi.org<\/a>.<\/p>\n<div class=\"shariff shariff-align-left shariff-widget-align-left\" style=\"display:none\" data-url=\"https:\/\/www.zum.de\/portal\/wer-deutet-hier-ki-bias-und-die-landeskunde\/\" data-timestamp=\"1786205131\" data-backendurl=\"https:\/\/www.zum.de\/portal\/wp-json\/shariff\/v1\/share_counts?\"><div class=\"ShariffHeadline\">Teilen<\/div><ul class=\"shariff-buttons theme-round orientation-horizontal buttonsize-medium\"><li class=\"shariff-button whatsapp shariff-nocustomcolor shariff-mobile\" style=\"background-color:#5cbe4a\"><a href=\"https:\/\/api.whatsapp.com\/send?text=https%3A%2F%2Fwww.zum.de%2Fportal%2Fwer-deutet-hier-ki-bias-und-die-landeskunde%2F%20Wer%20deutet%20hier%3F%20KI%2C%20Bias%20und%20die%20Landeskunde\" title=\"Bei Whatsapp teilen\" aria-label=\"Bei Whatsapp teilen\" role=\"button\" rel=\"noopener nofollow\" class=\"shariff-link\" style=\"; background-color:#34af23; color:#fff\" target=\"_blank\"><span class=\"shariff-icon\" style=\"\"><svg width=\"32px\" height=\"20px\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 32 32\"><path fill=\"#34af23\" d=\"M17.6 17.4q0.2 0 1.7 0.8t1.6 0.9q0 0.1 0 0.3 0 0.6-0.3 1.4-0.3 0.7-1.3 1.2t-1.8 0.5q-1 0-3.4-1.1-1.7-0.8-3-2.1t-2.6-3.3q-1.3-1.9-1.3-3.5v-0.1q0.1-1.6 1.3-2.8 0.4-0.4 0.9-0.4 0.1 0 0.3 0t0.3 0q0.3 0 0.5 0.1t0.3 0.5q0.1 0.4 0.6 1.6t0.4 1.3q0 0.4-0.6 1t-0.6 0.8q0 0.1 0.1 0.3 0.6 1.3 1.8 2.4 1 0.9 2.7 1.8 0.2 0.1 0.4 0.1 0.3 0 1-0.9t0.9-0.9zM14 26.9q2.3 0 4.3-0.9t3.6-2.4 2.4-3.6 0.9-4.3-0.9-4.3-2.4-3.6-3.6-2.4-4.3-0.9-4.3 0.9-3.6 2.4-2.4 3.6-0.9 4.3q0 3.6 2.1 6.6l-1.4 4.2 4.3-1.4q2.8 1.9 6.2 1.9zM14 2.2q2.7 0 5.2 1.1t4.3 2.9 2.9 4.3 1.1 5.2-1.1 5.2-2.9 4.3-4.3 2.9-5.2 1.1q-3.5 0-6.5-1.7l-7.4 2.4 2.4-7.2q-1.9-3.2-1.9-6.9 0-2.7 1.1-5.2t2.9-4.3 4.3-2.9 5.2-1.1z\"\/><\/svg><\/span><\/a><\/li><li class=\"shariff-button mailto shariff-nocustomcolor\" style=\"background-color:#a8a8a8\"><a href=\"mailto:?body=https%3A%2F%2Fwww.zum.de%2Fportal%2Fwer-deutet-hier-ki-bias-und-die-landeskunde%2F&subject=Wer%20deutet%20hier%3F%20KI%2C%20Bias%20und%20die%20Landeskunde\" title=\"Per E-Mail versenden\" aria-label=\"Per E-Mail versenden\" role=\"button\" rel=\"noopener nofollow\" class=\"shariff-link\" style=\"; background-color:#999; color:#fff\"><span class=\"shariff-icon\" style=\"\"><svg width=\"32px\" height=\"20px\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 32 32\"><path fill=\"#999\" d=\"M32 12.7v14.2q0 1.2-0.8 2t-2 0.9h-26.3q-1.2 0-2-0.9t-0.8-2v-14.2q0.8 0.9 1.8 1.6 6.5 4.4 8.9 6.1 1 0.8 1.6 1.2t1.7 0.9 2 0.4h0.1q0.9 0 2-0.4t1.7-0.9 1.6-1.2q3-2.2 8.9-6.1 1-0.7 1.8-1.6zM32 7.4q0 1.4-0.9 2.7t-2.2 2.2q-6.7 4.7-8.4 5.8-0.2 0.1-0.7 0.5t-1 0.7-0.9 0.6-1.1 0.5-0.9 0.2h-0.1q-0.4 0-0.9-0.2t-1.1-0.5-0.9-0.6-1-0.7-0.7-0.5q-1.6-1.1-4.7-3.2t-3.6-2.6q-1.1-0.7-2.1-2t-1-2.5q0-1.4 0.7-2.3t2.1-0.9h26.3q1.2 0 2 0.8t0.9 2z\"\/><\/svg><\/span><\/a><\/li><\/ul><\/div>","protected":false},"excerpt":{"rendered":"<p>\u201eBeschreibe eine deutsche Familie\u201c&nbsp;Bildgeneratoren liefern darauf meist dasselbe: zwei Eltern, zwei Kinder, wei\u00df, jung, ein Reihenhaus im Hintergrund. Textmodelle antworten inzwischen anders, aber nicht unbedingt besser. Sie stellen einen Vielfaltshinweis [&hellip;]<\/p>\n","protected":false},"author":278,"featured_media":57956,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"gastautor_name":"","gastautor_foto":"","gastautor_funktion":"","gastautor_beschreibung":"","gastautor_css":"","testimonial_foto":"","testimonial_funktion":"","testimonial_zitat":"","testimonial_css":"","zum_angebot_logo":"","zum_angebot_farbe":"","zum_angebot_link":"","zum_angebot_beschreibung":"","myguten_meta_block_field":"","footnotes":""},"categories":[1],"tags":[],"class_list":["post-57565","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-allgemein"],"acf":{"gastbeitrag":"0","titel_name":"","foto_gast":"","beschreibung_des_gastautor":""},"_links":{"self":[{"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/posts\/57565","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/users\/278"}],"replies":[{"embeddable":true,"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/comments?post=57565"}],"version-history":[{"count":43,"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/posts\/57565\/revisions"}],"predecessor-version":[{"id":57963,"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/posts\/57565\/revisions\/57963"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/media\/57956"}],"wp:attachment":[{"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/media?parent=57565"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/categories?post=57565"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.zum.de\/portal\/wp-json\/wp\/v2\/tags?post=57565"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}